İndirmek çin Bağlantı > https://ertekprojects.com/gurdal-ertek-publications/blog/kimya-sanayinde-su-tasarrufu-icin-karar-destek-sistemi/
Bu bildiride, Türkiye’nin sanayileşmiş bölgelerinden Gebze’de bulunan bir temizlik kimyasalları fabrikası için geliştirdiğimiz ve 7 ay boyunca kullanılarak test edilen bir Karar Destek Sistemi (KDS) tanıtılacak ve yapılan çalışma özetlenecektir. Üretim planlamadan sorumlu fabrika çalışanları bu yeni sistemi uygulamaya aldıktan sonra firma haftada 1 tona yaklaşan su tasarrufu sağlamıştır. Su tasarrufunun yanısıra maliyet, enerji ve işgücü kazançları da gözlemlenmiştir. Temizlik kimyasallarının üretiminin planlamasında faydası ve kullanılabilirliği kanıtlanan bu sistem, ürünlerarası geçişin ürün karakteristiklerine göre yıkama gerektirdiği boya, tekstil, gıda ve diğer kimya sanayilerinde de kullanılabilme potansiyeline sahiptir.
Benchmarking The Turkish Apparel Retail Industry Through Data Envelopment Ana...
Kimya Sanayinde Su Tasarrufu İçin Karar Destek Sistemi
1. Ertek, G., Akçay, A.E. (2010) “Kimya Sanayinde Su Tasarrufu İçin Karar Destek Sistemi.” İ.T.Ü.
12. Endüstriyel Kirlenme Kontrolü Sempozyumu, 16-18 Haziran 2010, Istanbul, Türkiye
Note: This is the final draft version of this paper. Please cite this paper (or this final draft) as
above. You can download this final draft from http://research.sabanciuniv.edu.
Kimya Sanayinde Su Tasarrufu İçin Karar
Destek Sistemi
Gürdal Ertek1 ve Alp Eren Akçay2
1 Sabancı Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Orhanlı, Tuzla,
34956, Istanbul.
2 Carnegie Mellon University, Tepper School of Business, 5000 Forbes Avenue,
Pittsburgh, PA, 15213, A.B.D.
Özet Bu bildiride, Türkiye’nin sanayileşmiş bölgelerinden Gebze’de bulunan bir
temizlik kimyasalları fabrikası için geliştirdiğimiz ve 7 ay boyunca kullanılarak
test edilen bir Karar Destek Sistemi (KDS) tanıtılacak ve yapılan çalışma
özetlenecektir. Üretim planlamadan sorumlu fabrika çalışanları bu yeni sistemi
uygulamaya aldıktan sonra firma haftada 1 tona yaklaşan su tasarrufu sağlamıştır.
Su tasarrufunun yanısıra maliyet, enerji ve işgücü kazançları da gözlemlenmiştir.
Temizlik kimyasallarının üretiminin planlamasında faydası ve kullanılabilirliği
kanıtlanan bu sistem, ürünlerarası geçişin ürün karakteristiklerine göre yıkama
gerektirdiği boya, tekstil, gıda ve diğer kimya sanayilerinde de kullanılabilme
potansiyeline sahiptir.
Anahtar Kelimeler karar destek sistemleri; su tasarrufu; kimya endüstrisi
1
2.
3. 1. Giriş
Çalışmamız bir grup Sabancı Üniversitesi öğrencisinin JohnsonDiversey Türkiye Gebze
fabrikasında gerçekleştirdikleri bir lisans mezuniyet projesi ile başlamıştır. JohnsonDiversey
dünya çapında 60’tan fazla ülkede 15.000’den fazla çalışanı ile endüstriyel temizlik kimyasalları
konusunda ürün ve hizmet sunmaktadır. JohnsonDiversey Türkiye’nin Gebze’de faaliyet
gösteren fabrikasında da Türkiye pazarına ve yurtdışı pazarlara dönük çok sayıda kimyasalın
üretimi yapılmaktadır.
Projemizin başlangıç olarak hedefi JohnsonDiversey Gebze fabrikasında belli bir ürün grubunun
üretildiği tek bir mikserdeki su kullanımını azaltmak olarak belirlenmiştir. Mikserde üretilen bir
üründen bir diğer ürüne geçişte ürün özelliklerine bağlı olarak temiz su ile mikserin yıkanması
gerekmektedir. Sistemimiz kullanılana dek fabrika çalışanlarının tecrübeleri doğrultusunda
belirledikleri üretime ürünlerin hangi sırayla sokulacağı problem aslında “Gezgin Satıcı
Problemi (GSP)” (Traveling Salesman Problem – TSP) olarak bilinen temel bir eniyileme
(optimization) problemidir.
2. Karar Destek Sistemi (KDS)
Proje kapsamında JohnsonDiversey Gebze fabrikasında seçilen bir mikserdeki üretim
çizelgeleme problemi ele alınmış ve etkileşimli olarak verimli bir üretim çizelgesi önerren bir
karar destek sistemi geliştirilmiştir. Sistem 7 ay boyunca test edilmiş ve bu şekilde pilot
uygulaması da aynı fabrikada tamamlanmıştır. Sistemin çalışması Şekil 1’de UML Etkinlik
Diyagramı olarak verilmiştir.
1
5. Fabrikada mikser yıkamalarında sıcak yumuşak kuyu suyu kullanılmaktadır. Şehir suyu
öncelikle reçinelerden geçirilerek magnezyum ve kalsiyumdan arındırılmaktadır. Daha
sonrasında ters ozmoz ile minerallerinden arındırılmakta ve iletkenliği çok düşük bir su elde
edilmektedir. Gün içinde suyun kalitesi kontrol edilerek spesifikasyonlara uygunluğu takip
edilmektedir.
Çalışmada incelenen tek mikserde klorlu sıvılar (chlorinated liquids) üretilmektedir. Ara
yıkamalarda kalıntı kimyasallar temizlenerek bundan sonraki kimyasalin tepkimeye girmesi ve
zarar görmesi engellenmektedir. Temizlik için kullanılan su da daha sonra arıtılarak çevreye
bırakılmaktadır.
Sistem, üretimle ilgili kritik bilgileri bir veritabanından okuyup fabrikadaki mikserlerden
birinde üretim sıralama problemi için eniyi (optimal) çözümü veya “iyi” sayılabilecek çözümleri
üretebilmektedir. Çalışmamız, literatürde ilk kez olmak üzere ürün gruplarını tanımlama, acil
siparişlerle başa çıkabilme, üretim planlarının etkili bir şekilde görselleştirilmesi gibi pek çok
önemli özelliği bir araya getirmektedir.
Karar destek sistemimizde belli bir zaman dilimi (tipik olarak bir hafta) içinde üretilecek ürünler
teker taker ya da grup halinde seçilebilmektedir (Şekil 2). Ayrıca grup olarak seçilen ürünlerin
sırasının değiştirilebilmekte ya da sabitlenmiş olması da belirtilebilmektedir. Karar destek
sistemi de bu seçilen ürünler için bir çizelge önermekte ve bu çizelgeyi görüntüleyebilmektedir
(Şekil 3a). Ürün sayısının az (15’ten az) olduğu durumlarda eniyi (optimal) çözüm
bulunabilmekte, fazla olduğu durumlarda ise sezgisel bir algoritma (tavlama benzetimi)
yardımıyla “iyi” bir çözüm önerilmektedir (Şekil 3b). Pilot uygulamalarda karar destek
sisteminin halihazırdaki karar mekanizmasına kıyasla önemli miktarda su tasarrufu
sağlayabileceği görülmüştür.
Çalışmanın uygulanabileceği diğer sektörlere örnek olarak tekstil sanayini örnek vermek uygun
olacaktır: Tekstil sanayi ülkemizin en yüksek cirolu ve en çok istihdam sağlayan sektörlerinden
birisi olup çok sayıda kimyasal süreç içermektedir. Özellikle boyama aşamasında, tekstillerin
renk ve diğer özelliklerine bağlı olarak çok farklı tiplerde (substantif, reaktif, kükürtlü, v.b.)
sayıda farklı boyar maddenin kullanımı söz konusudur. Tekstillerin üretilme sıraları boyar
kimyasal maddelerin kullanılma sıralarını direkt olarak etkileyip sonuçta boya teknesini (jigger,
düzeli boyama makinası, v.b.) temizlemek için kullanılan yıkama suyu tüketimini de
6. etkilemektedir. Dolayısıyla tekstil sektöründeki boyama aşaması yazılımımızın ele aldığı ve
karar desteği sunduğu problemin özelliklerine sahiptir.
3. Kazanımlar ve Bundan Sonraki Çalışmalar
Suyun her geçen gün daha da stratejik ve kritik bir kaynak olduğu düşünülürse bir tek fabrikada
gerçekleştiren bu projenin yaygınlaşması ve diğer firmalarda da kullanılması durumunda ülke
hatta dünya çapında faydalar elde edileceği görülebilecektir. Burada vurgulanması gereken
önemli bir nokta kazanılan suyun kazanılmadığı durumda kontamine su olacak olmasıdır. Bu
tür bir kazanım fabrikalardaki su arıtma maliyetlerini de azaltıcı etkiye sahiptir.
Bu sebeple proje ekibi geliştirilen karar destek sisteminin C#’ta yazılan kaynak kodunu
OpenDecisions.org sitesinde tüm dünyaya açmıştır. Ayrıca bu yazılım için Türkçe, İngilizce ve
Rusça başta olmak üzere çeşitli dillerde dokümantasyon ve video eğitimlerinin hazırlanmış olup
birçok diğer dilde de yazılım uyarlaması ve dokümantasyonu hazırlanması planlanmaktadır. Bu
yönüyle projenin getireceği çevresel faydanın ve firmalara sağlayacağı ekonomik faydanın
küresel boyutlarda gerçekleşmesi hedeflenmektedir.
Kaynaklar
Gutin, G. ve Punnen, A.P. (2002). The traveling salesman problem and its variations, Springer,
1st edition.
Jeong, E.Y., Oh, S.C., Yeo, Y., Chang, K.S., Chang, J.Y., ve Kim, K.S., 1997. Application of
Travelling Salesman Problem (TSP) for decision of optimal production sequence, Korean
Journal of Chemical Engineering, 14(5), 416-421.
Toth, P. ve Vigo, D. (2001). The vehicle routing problem. Society for Industrial & Applied
Mathematics, 1st edition.
7. Şekil 2. Yazılımın ana penceresinde ürün listesi ve seçilen ürünlerin listesi
Şekil 3. (a) Seçilen bir grup ürünün çizelgeleme öncesi durumu. Kalın dikey çizgiler yıkamaları
göstermektedir. Bu rastgele çizelgede 5 yıkama gerekmektedir. (b) Aynı ürün kümesinin KDS
tarafından çizelgelenmesi sonrası durumu. Kalın dikey çizgiler yıkamaları göstermektedir. Yeni
çizelgede 2 yıkama gerekmektedir.